初识HDFS原理及框架

栏目: 服务器 · 发布时间: 6年前

内容简介：HDFS（Hadoop Distributed File System）是Hadoop项目的核心子项目，首先之所以选择HDFS来存储数据，是具有如下优势：HDFS也有不适合的场景：

1. HDFS是什么

HDFS（Hadoop Distributed File System）是Hadoop项目的核心子项目，首先 它是一个文件系统 ，用于存储文件，通过目录树来定位文件位置；其次， 它是分布式的 ，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。

2.HDFS的优缺点

之所以选择HDFS来存储数据，是具有如下优势：

No	优势	描述
1	高容错性	数据自动保存多个副本。它通过增加副本的形式，提高容错性。某一个副本丢失以后，它可以自动恢复，这是由 HDFS 内部机制实现的，我们不必关心。
2	适合批处理	它是通过移动计算而不是移动数据。它会把数据位置暴露给计算框架。
3	适合大数据处理	处理数据达到 GB、TB、甚至PB级别的数据。能够处理百万规模以上的文件数量，数量相当之大。能够处理10K节点的规模。
4	流式文件访问	一次写入，多次读取。文件一旦写入不能修改，只能追加。它能保证数据的一致性。
5	可构建在廉价机器上	它通过多副本机制，提高可靠性。它提供了容错和恢复机制。比如某一个副本丢失，可以通过其它副本来恢复。

HDFS也有不适合的场景：

No	缺点	描述
1	低延时数据访问	比如毫秒级的来存储数据，这是不行的，它做不到。它适合高吞吐率的场景，就是在某一时间内写入大量的数据。但是它在低延时的情况下是不行的，比如毫秒级以内读取数据，这样它是很难做到的。
2	小文件存储	存储大量小文件(这里的小文件是指小于HDFS系统的Block大小的文件（默认64M）)的话，它会占用 NameNode大量的内存来存储文件、目录和块信息。这样是不可取的，因为NameNode的内存总是有限的。小文件存储的寻道时间会超过读取时间，它违反了HDFS的设计目标。
3	并发写入、文件随机修改	一个文件只能有一个写，不允许多个线程同时写。仅支持数据 append（追加），不支持文件的随机修改。

3. HDFS框架结构

初识HDFS原理及框架

HDFS 采用Master/Slave的架构来存储数据，这种架构主要由四个部分组成，分别为HDFS Client、NameNode、DataNode和Secondary NameNode。下面我们分别介绍这四个组成部分。

No	角色	功能描述
1	Client：就是客户端	文件切分。文件上传 HDFS 的时候，Client 将文件切分成一个一个的Block，然后进行存储。与 NameNode 交互，获取文件的位置信息。与 DataNode 交互，读取或者写入数据。 Client 提供一些命令来管理 HDFS，比如启动或者关闭HDFS。 Client 可以通过一些命令来访问 HDFS。
2	NameNode：就是 master，它是一个主管、管理者	管理 HDFS 的名称空间管理数据块（Block）映射信息配置副本策略处理客户端读写请求。
3	DataNode：就是Slave。NameNode 下达命令，DataNode 执行实际的操作	存储实际的数据块。执行数据块的读/写操作。
4	Secondary NameNode：并非 NameNode 的热备。当NameNode 挂掉的时候，它并不能马上替换 NameNode 并提供服务	辅助 NameNode，分担其工作量。定期合并 fsimage和fsedits，并推送给NameNode。在紧急情况下，可辅助恢复 NameNode。

4. HDFS的读写流程

4.1. HDFS的块大小

HDFS中的文件在物理上是分块存储（block），块的大小可以通过配置参数( dfs.blocksize )来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M

HDFS的块比磁盘的块大，其目的是为了最小化寻址开销。如果块设置得足够大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。因而，传输一个由多个块组成的文件的时间取决于磁盘传输速率。

如果寻址时间约为10ms，而传输速率为100MB/s，为了使寻址时间仅占传输时间的1%，我们要将块大小设置约为100MB。 默认的块大小128MB 。

块的大小：10ms*100*100M/s = 100M

4.2. HDFS写数据流程

初识HDFS原理及框架

1）客户端向namenode请求上传文件，namenode检查目标文件是否已存在，父目录是否存在。

2）namenode返回是否可以上传。

3）客户端请求第一个 block上传到哪几个datanode服务器上。

4）namenode返回3个datanode节点，分别为dn1、dn2、dn3。

5）客户端请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成

6）dn1、dn2、dn3逐级应答客户端

7）客户端开始往dn1上传第一个block（先从磁盘读取数据放到一个本地内存缓存），以packet为单位，dn1收到一个packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答

8）当一个block传输完成之后，客户端再次请求namenode上传第二个block的服务器。（重复执行3-7步）

4.3. HDFS读数据流程

初识HDFS原理及框架

1）客户端向namenode请求下载文件，namenode通过查询元数据，找到文件块所在的datanode地址。

2）挑选一台datanode（就近原则，然后随机）服务器，请求读取数据。

3）datanode开始传输数据给客户端（从磁盘里面读取数据放入流，以packet为单位来做校验）。

4）客户端以packet为单位接收，先在本地缓存，然后写入目标文件。

5.HDFS命令

1）基本语法

bin/hadoop fs 具体命令

2）常用命令实操

（1）-help：输出这个命令参数

bin/hdfs dfs -help rm

（2）-ls: 显示目录信息

hadoop fs -ls /

（3）-mkdir：在hdfs上创建目录

hadoop fs -mkdir -p /aaa/bbb/cc/dd

（4）-moveFromLocal从本地剪切粘贴到hdfs

hadoop fs - moveFromLocal /home/hadoop/a.txt /aaa/bbb/cc/dd

（5）-moveToLocal：从hdfs剪切粘贴到本地（尚未实现）

hadoop fs -help moveToLocal

-moveToLocal <src> <localdst> :

Not implemented yet

（6）--appendToFile ：追加一个文件到已经存在的文件末尾

hadoop fs -appendToFile ./hello.txt /hello.txt

（7）-cat ：显示文件内容

（8）-tail：显示一个文件的末尾

hadoop fs -tail /weblog/access_log.1

（9）-chgrp 、-chmod、-chown：linux文件系统中的用法一样，修改文件所属权限

hadoop fs -chmod 666 /hello.txt

hadoop fs -chown someuser:somegrp /hello.txt

（10）-copyFromLocal：从本地文件系统中拷贝文件到hdfs路径去

hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/

（11）-copyToLocal：从hdfs拷贝到本��

hadoop fs -copyToLocal /user/hello.txt ./hello.txt

（12）-cp ：从hdfs的一个路径拷贝到hdfs的另一个路径

hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2

（13）-mv：在hdfs目录中移动文件

hadoop fs -mv /aaa/jdk.tar.gz /

（14）-get：等同于copyToLocal，就是从hdfs下载文件到本地

hadoop fs -get /user/hello.txt ./

（15）-getmerge ：合并下载多个文件，比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,...

hadoop fs -getmerge /aaa/log.* ./log.sum

（16）-put：等同于copyFromLocal

hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2

（17）-rm：删除文件或文件夹

hadoop fs -rm -r /aaa/bbb/

（18）-rmdir：删除空目录

hadoop fs -rmdir /aaa/bbb/ccc

（19）-df ：统计文件系统的可用空间信息

hadoop fs -df -h /

（20）-du统计文件夹的大小信息

hadoop fs -du -s -h /user/data/wcinput

188.5 M /user/data/wcinput

hadoop fs -du -h /user/data/wcinput

188.5 M /user/data/wcinput/hadoop-2.7.2.tar.gz

97 /user/data/wcinput/wc.input

（21）-count：统计一个指定目录下的文件节点数量

hadoop fs -count /aaa/

hadoop fs -count /user/data/wcinput

1 2 197657784 /user/data/wcinput

嵌套文件层级；包含文件的总数

（22）-setrep：设置hdfs中文件的副本数量

hadoop fs -setrep 3 /aaa/jdk.tar.gz

这里设置的副本数只是记录在namenode的元数据中，是否真的会有这么多副本，还得看datanode的数量。如果只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10。

6.HDFS相关参数

No	参数名称	默认值	所属参数文件	描述
1	dfs.block.size, dfs.blocksize	134217728	hdfs-site.xml	以字节计算的新建 HDFS 文件默认块大小。请注意该值也用作 HBase 区域服务器 HLog 块大小。
2	dfs.replication	3	hdfs-site.xml	HDFS文件的数据块复制份数。
3	dfs.webhdfs.enabled	TRUE	hdfs-site.xml	启用 WebHDFS 界面，启动50070端口。
4	dfs.permissions	TRUE	hdfs-site.xml	HDFS文件权限检查。
5	dfs.datanode.failed.volumes.tolerated	0	hdfs-site.xml	能够导致DN挂掉的坏硬盘最大数，默认0就是只要有1个硬盘坏了，DN就会shutdown。
6	dfs.data.dir, dfs.datanode.data.dir	xxx,xxx	hdfs-site.xml	DataNode数据保存路径，可以写多块硬盘，逗号分隔
7	dfs.name.dir, dfs.namenode.name.dir	xxx,xxx	hdfs-site.xml	NameNode本地元数据存储目录，可以写多块硬盘，逗号分隔
8	fs.trash.interval	1	core-site.xml	垃圾桶检查频度（分钟）。要禁用垃圾桶功能，请输入0。
9	dfs.safemode.min.datanodes	0	hdfs-site.xml	指定在名称节点存在 safemode 前必须活动的 DataNodes 数量。输入小于或等于 0 的值，以在决定启动期间是否保留 safemode 时将活动的 DataNodes 数量考虑在内。值大于群集中 DataNodes 的数量时将永久保留 safemode。
10	dfs.client.read.shortcircuit	TRUE	hdfs-site.xml	启用 HDFS short circuit read。该操作允许客户端直接利用 DataNode 读取 HDFS 文件块。这样可以提升本地化的分布式客户端的性能
11	dfs.datanode.handler.count	3	hdfs-site.xml	DataNode 服务器线程数。默认为3,较大集群,可适当调大些,比如8。
12	dfs.datanode.max.xcievers, dfs.datanode.max.transfer.threads	256	hdfs-site.xml	指定在 DataNode 内外传输数据使用的最大线程数，datanode在进行文件传输时最大线程数
13	dfs.balance.bandwidthPerSec, dfs.datanode.balance.bandwidthPerSec	1048576	hdfs-site.xml	每个 DataNode 可用于平衡的最大带宽。单位为字节/秒

以上参数中可能有2个名称，前面一个是老版本1.x的后面的是新版本2.x的。

使用HDFS dfs命令对文件进行增删改查操作 https://www.linuxidc.com/Linux/2018-08/153641.htm

Hadoop集群间的HDFS文件拷贝 https://www.linuxidc.com/Linux/2017-09/146879.htm

Linux公社的RSS地址： https://www.linuxidc.com/rssFeed.aspx

本文永久更新链接地址： https://www.linuxidc.com/Linux/2018-10/154604.htm

以上所述就是小编给大家介绍的《初识HDFS原理及框架》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对码农网的支持！

查看所有标签

猜你喜欢:

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。

码农书籍

Data Structures and Algorithms in Java

Michael T. Goodrich、Roberto Tamassia / Wiley / 2010-01-26 / USD 177.41

* This newest edition examines fundamental data structures by following a consistent object-oriented framework that builds intuition and analysis skills of data structures and algorithms * Presents ne......一起来看看《Data Structures and Algorithms in Java》这本书的介绍吧!

码农工具

RGB转16进制工具

RGB HEX 互转工具

MD5 加密

MD5 加密工具